色彩恒常性约束的自监督对比学习：解决影像前背景目标分离难题

通过引入色彩恒常性先验约束下的自监督对比学习方法，本项目旨在解决影像前背景目标分离中低质影像和高质影像非配对数据导致的监督学习困难的问题。色彩恒常性先验约束是一种视觉先验模型，通过模拟人眼对物体色彩在不同光照条件下的稳定感知能力，保证了影像语义结构的一致性。在此基础上，本项目构建了高质影像和低质影像的语义空间，并以色彩恒常性为约束条件，开展低质背景、低质前景和高质背景的对比学习，实现了低质影像前背景分离。这种方法不仅能够克服低质影像和高质影像非配对数据导致的监督学习困难，还能够更好地保持影像的语义结构，提高影像前背景目标分离的准确性和稳定性。